Introdução à IA na Web

Ao desenvolver com IA, é fácil se perder na escolha do modelo, na infraestrutura e no código. Você pode se esquecer do panorama geral.

Neste módulo, apresentamos um modelo que pode ser usado para mapear qualquer novo recurso ou produto de IA:

• Por que você está construindo? Que valor seu caso de uso de IA traz para os usuários?
• Como o aplicativo vai funcionar?
• Como garantir que cada parte do seu sistema seja desenvolvida de forma responsável?

Para entender como esse modelo funciona, imagine que você trabalha em um site de e-commerce, a Example Shoppe. Seus concorrentes estão ocupados adicionando chatbots genéricos, mas não tiveram muito sucesso. Você quer oferecer uma experiência melhor aos seus usuários e decide melhorar a experiência de pesquisa sem interromper os fluxos de usuários principais.

Com uma atualização com tecnologia de IA, os compradores podem digitar frases em linguagem natural, como "tênis de corrida vermelhos para o inverno", e receber resultados relevantes que talvez tenham perdido com uma pesquisa baseada em palavras-chave.

Oportunidade

Todo projeto de IA precisa começar com um caso de uso claro: uma tarefa ou um problema do usuário que vale a pena resolver com IA. A IA introduz incerteza e outros riscos no seu aplicativo. Portanto, use-a apenas se o problema não puder ser resolvido de maneira convencional e determinística.

Caso de uso

Para a Example Shoppe, a pesquisa é uma função importante que conecta os usuários aos produtos que eles estão procurando. Os usuários costumam abandonar as pesquisas quando elas falham por causa de erros de digitação, sinônimos ou consultas vagas. Você sabe disso por suas próprias análises e também por pesquisas externas. Com uma pesquisa mais flexível e inteligente, as jornadas dos usuários podem se tornar mais eficientes e agradáveis.

Outros exemplos de casos de uso da IA incluem:

• Em um site de notícias, é possível reduzir a carga cognitiva resumindo as notícias de forma estruturada.
• Em uma plataforma de publicação, é possível melhorar a acessibilidade sugerindo automaticamente textos alternativos e legendas.
• Como um provedor de serviços de nuvem, você pode reduzir as solicitações de suporte com uma pesquisa de documentação mais inteligente.

Descobrir oportunidades de alto valor é fundamental para ter sucesso com a IA. Conforme constatado em um relatório da RAND Corporation, escolher a oportunidade errada é um dos principais motivos para o fracasso de projetos de IA.

Valor

O valor tem dois lados: benefícios para os usuários e benefícios para o produto ou a empresa. Na maioria dos produtos saudáveis e responsáveis, esses objetivos estão alinhados: quando os usuários têm sucesso, a empresa também cresce. Por exemplo, a pesquisa aprimorada com IA cria valor para a Shoppe ao ajudar os usuários a encontrar os produtos certos com mais rapidez e menos dificuldade. Isso aumenta a descoberta de produtos, as taxas de conversão e a satisfação do cliente a longo prazo.

Às vezes, o valor pode ser intangível, como a satisfação e a confiança do usuário. Principalmente no início, é melhor encontrar uma maneira de quantificar a proposta de valor. Isso oferece uma base sólida para priorizar, comunicar o impacto e convencer as partes interessadas. Mesmo estimativas aproximadas podem orientar decisões e tornar o sucesso mensurável.

Solução

Depois de esclarecer por que você está adicionando IA ao seu produto, pense em como vai implementar. Confira os principais elementos de uma solução de IA.

Dados

Os dados são o combustível da IA. Em última análise, a qualidade do seu sistema de IA depende da capacidade dele de aprender com seus dados. Dados ruins, incompletos ou desalinhados levam a resultados fracos e usuários frustrados, não importa o quão sofisticado seja o modelo ou a infraestrutura. Por outro lado, dados de alta qualidade e um ciclo de dados bem projetado são fatores de valor que também podem fazer parte da diferenciação do seu produto.

Os dados vêm em diferentes formatos e modalidades. No nosso exemplo de pesquisa com tecnologia de IA, os dados úteis podem incluir:

• Dados estruturados: títulos, cores, tamanhos, categorias e disponibilidade dos produtos.
• Dados não estruturados: descrições de produtos, avaliações de usuários e perguntas frequentes.
• Listas de sinônimos: relações de termos, como "tênis" igual a "tênis de corrida".
• Indicadores do usuário: cliques, tempos de permanência, ações de adicionar ao carrinho e compras são indicadores que ajudam os modelos a aprender o que os usuários realmente acham relevante.
• Dados visuais: imagens de produtos que podem ser incorporadas a um índice de similaridade visual, permitindo que os usuários pesquisem por foto ou descubram itens visualmente semelhantes, mesmo sem texto correspondente.

Pode parecer muita coisa, mas não se preocupe. Comece com algumas fontes de dados que oferecem a melhor relação sinal-ruído e expanda à medida que seu sistema amadurece.

Na maioria dos casos, os dados brutos não estão prontos para serem ingeridos por um modelo. Ele precisa ser limpo, pré-processado e organizado em um formato adequado para IA. Por exemplo, os indicadores do usuário podem ser transformados em sequências de ações, enquanto as descrições de produtos não estruturadas podem ser codificadas como incorporações semânticas.

Os dados podem ser usados em diferentes estágios do ciclo de vida da IA:

• No treinamento ou ajuste refinado, ele é usado para ensinar padrões e relações ao modelo.
• Na avaliação, você pode usar esse recurso para testar a qualidade, a precisão e a relevância.
• Em produção, você pode usar para rastrear a deriva e coletar feedback do uso no mundo real.

Em resumo, os dados não são apenas uma entrada, mas um recurso vivo. Gerenciar dados de maneira adequada é uma das habilidades mais valiosas que um desenvolvedor Web pode desenvolver ao trabalhar com IA.

Inteligência

É na camada de inteligência que a IA destila e cria valor. Muitas vezes, há um modelo no centro, mas a maioria dos sistemas é mais complexa. No exemplo da Shoppe, a camada de inteligência interpreta as consultas do usuário usando uma coleção de métodos:

• Reconhecimento de entidades nomeadas e extração de informações para extrair atributos como color=red ou season=winter.
• Um modelo de incorporação de frases para criar representações semânticas de consultas do usuário e produtos disponíveis.
• Pesquisa semântica para recuperar resultados relevantes.
• Um modelo de reclassificação pequeno e personalizado para classificar os resultados com precisão por relevância.

A inteligência é provavelmente a parte mais interessante do seu sistema de IA, mas também é o componente mais hypado. Novos modelos são lançados toda semana, geralmente cercados por afirmações de marketing superlativas.

Confira dois fatores importantes:

• A IA não se limita à IA generativa e aos modelos de linguagem grandes (LLMs). Muitas tarefas são mais bem atendidas por modelos menores e especializados, que são mais rápidos e baratos para implantar e manter.
• Os sistemas de IA da vida real raramente dependem de um único modelo monolítico. Em vez disso, eles usam arquiteturas de IA compostas, combinações de um ou mais modelos com componentes adicionais, como bancos de dados, APIs e proteções. Eles trabalham juntos para oferecer um comportamento robusto e com reconhecimento de contexto.

Em vez de buscar o sucesso mais recente nos rankings, selecione a inteligência que é adequada ao seu problema, permitindo que você se adapte à medida que seu produto e sua empresa evoluem. Nos próximos módulos, você vai aprender sobre as técnicas de IA mais comuns do momento: IA preditiva e IA generativa. Você também vai aprender a avaliar e selecionar a abordagem técnica certa para seu sistema.

Experiência do usuário

A interface do usuário é o canal que entrega valor de IA aos seus usuários. As interfaces de software deterministas são certas e previsíveis: a mesma entrada sempre produz a mesma saída. Com a IA, você introduz incerteza. Duas consultas quase idênticas podem gerar resultados completamente diferentes, e até mesmo os modelos de IA mais poderosos são conhecidos por alucinar e cometer outros tipos de erros.

Você precisa ser extremamente deliberado sobre essa mudança, principalmente se adicionar IA a um produto atual. Os chatbots de resposta aberta são divertidos, mas complexos e arriscados na prática.

No início, tente minimizar a incerteza e o risco expostos aos usuários. Por exemplo, no caso da Example Shoppe, a pesquisa com tecnologia de IA pode ser integrada discretamente à interface atual. Os usuários continuam digitando consultas em linguagem natural e recebem resultados de pesquisa de melhor qualidade.

Mesmo que o recurso de IA funcione em segundo plano, é uma boa prática reforçar a transparência. Por exemplo, você pode adicionar um aviso e uma breve explicação de como o sistema organiza esses resultados.

Em Padrões de UX, você aprende a equilibrar a exposição, os recursos e o risco da IA na experiência do usuário do seu produto.

Governança

Os sistemas de IA precisam ser criados com responsabilidade. Você precisa criar um sistema que proteja a privacidade do usuário, reduza o viés, ofereça transparência e atenda a todos os padrões legais relevantes. Uma boa governança não serve apenas para conformidade. Ela é um princípio de design fundamental para garantir a confiança e a adoção do usuário.

Na pesquisa com tecnologia de IA da Example Shoppe, a governança começa com proteções integradas ao produto:

• Privacidade: os dados de personalização permanecem locais, a menos que os usuários ativem explicitamente a opção. Ela pode ser ativada ou desativada a qualquer momento.
• Justiça: os resultados da pesquisa são auditados para garantir uma exposição equilibrada entre os vendedores.
• Confiança e transparência: o exemplo do Shoppe oferece uma oportunidade de saber por que um resultado foi apresentado na parte de cima de cada consulta de pesquisa. Isso oferece uma oportunidade de criar confiança com os usuários.
• Segurança: consultas restritas ou não seguras (por exemplo, itens proibidos) são filtradas ou bloqueadas por mecanismos de proteção.
• Recurso: os usuários podem dispensar rapidamente as sugestões de IA, denunciar resultados ou interações ruins e voltar a uma pesquisa somente por palavras-chave se os aprimoramentos de IA não forem úteis.

Para criar IA de maneira responsável, você precisa assumir a responsabilidade pelo processo de implantação. Crie proteções e ciclos de feedback adequados. Você molda a segurança e a confiabilidade da experiência, além de definir as expectativas para o uso e os limites dela. Embora não seja possível controlar totalmente a saída, você precisa estar pronto para responder a qualquer dúvida.

Saiba mais sobre os principais aspectos da governança de IA em Crie com responsabilidade usando a IA, que oferece ferramentas práticas para criar aplicativos de IA sustentáveis e confiáveis.

Seus pontos principais

O modelo de sistema de IA pode ajudar você a ter mais clareza e alinhamento em qualquer projeto de IA de que participe. Explicamos cada elemento do projeto em um nível geral. Ao continuar lendo, você vai saber mais sobre cada etapa.

Você vai ver esse plano novamente em diferentes exemplos, com algumas camadas explicadas com mais detalhes.

Teste seu conhecimento